Identificación de Sistemas

Presentación del tema: "Identificación de Sistemas"— Transcripción de la presentación:

1 Identificación de Sistemas
Identificacion de modelos parametricos

2 Contenido Métodos para el ajuste de parámetros

3 Métodos para el ajuste de parámetros

4 procedimiento del modelado experimental

5 Objetivos de los métodos de estimación paramétricos
Hemos denominado error de predicción es la salida estimada por el modelo en el instante t.

6 Objetivos de los métodos de estimación paramétricos
Los métodos de estimación de parametros tienen por objetivo: Según el modelo considerado Estimar los parámetros del modelo de forma que, en algún sentido, el error de predicción sea mínimo.

7 Las estructuras ARX y FIR
Las estructuras ARX y FIR tienen la propiedad que: la predicción con un paso de anticipacion es una función lineal de los coeficientes de los polinomios

8 Modelo de predicción para una estructura ARX
Se puede representar por el modelo lineal

9 Modelo de predicción para una estructura ARX
Todos los términos de la derecha son simples productos de una muestra de los datos y un coeficiente de los polinomios

10 Modelo de predicción para una estructura ARX
Se puede representar por el modelo lineal

11 Modelo de predicción para una estructura PEM
En el caso de la ecuación general PEM

12 Modelo de predicción para una estructura PEM
La ecuación de los residuos se puede evaluar considerando dos términos: Modelización de la parte determinista Modelización de la parte estocástica

13 Modelado de la parte determinista
Relación lineal entre el error de predicción y los coeficientes de los polinomios A y B Relación no lineal entre el error de predicción y los coeficientes del polinomio F métodos analíticos métodos iterativos

14 Modelado de la parte estocástica
Los errores de modelización, representados, en parte, en e(t), no son conocidos y la relación que hay entre los coeficientes de los polinomios y los residuos es no lineal. se deben tambien estimar los valores de e(t) métodos de estimacion iterativos

15 Un problema de optimizacion
Aproximaciones computacionales: Algoritmos numericos generales para la minimizacion de una funcion Derivadas parciales; algoritmos numericos generales para hallar raices Algoritmos numericos especializados que aprovechan la forma de la funcion Solucion analitica: minimos cuadrados lineal

16 Un problema de optimizacion
Aproximaciones computacionales: Algoritmos numericos generales para la minimizacion de una funcion Basados en el gradiente; algoritmos numericos generales para hallar raices; algoritmos que aprovechan la forma de la funcion Algoritmos con una aproximacion basada en la inteligencia artificial: algoritmos geneticos

17 Fuentes Van den Hof Paul M.J., Bombois Xavier, System Identification for Control. Lecture Notes DISC Course. Delft Center for Systems and Control. Delft University of Technology. March, 2004 Escobet Teresa, Morcego Bernardo, Identificación de sistemas. Notas de clase. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Escola Universitària Politècnica de Manresa. 2003 Kunusch Cristian, Identificación de Sistemas de Dinamicos. Catedra de Control y Servomecanismos. Universidad Nacional de La Plata, Facultad de Ingenieria, Dpto. de Electrotecnia. 2003 López Guillén, Mª Elena, Identificación de Sistemas. Aplicación al modelado de un motor de continua. Universidad de Alcalá de Henares, Departamento de Electrónica. Enero, 2002. Rengifo Carlos Felipe, Identificacion de Sistemas. Notas de Clase. Departamento de Electronica, Control e Instrumentacion. Universidad del Cauca. Marzo 2005.

18 ULTIMA DIAPOSITIVA